@morningljn/ocean

v1.0.0

Published

a day ago

Enhanced Claude Code CLI — multi-model switching, structured memory, multi-agent collaboration & skill system

0High
0Medium
0Low

ai cli claude coding-assistant llm multi-model typescript bun sqlite memory developer-tools terminal anthropic mcp deepseek glm doubao

Multi-Model · Structured Memory · Multi-Agent Collaboration

A powerful enhanced fork of Claude Code CLI with structured memory, multi-model switching, multi-agent parallelism, and extensible skill system.

Claude GLM Doubao DeepSeek Gemini Codex — switch with one command /model

Keywords: AI CLI tool, Claude Code CLI, multi-model CLI, structured memory, SQLite FTS5, multi-agent collaboration, developer productivity, terminal AI assistant, LLM tools, coding assistant, Claude Code fork, Ocean CLI, 智谱GLM, 豆包, DeepSeek, MCP protocol, Ink TUI, skill system, auto mode, bilingual assistant

功能

完整的 Ink TUI 交互界面（与官方 Claude Code 一致）
多模型接入 — Claude / 智谱GLM / 豆包 / DeepSeek，/model 一键切换
Auto Mode — AI 分类器自动审批安全操作，危险操作仍需确认
双层记忆系统 — 纯 SQLite 结构化事实存储（6 种分类 + 全局/项目双层隔离）+ 自动提取 + 语义去重 + AutoDream 清洗 — 使用指南
多模型协作 — /multi-agent 按角色分工，真实并行调用 — 使用指南
技能系统 — /skillify 从会话提炼技能，支持脚本自动生成 — 使用指南
Channel IM 集成 — 飞书/钉钉/Telegram 远程控制 Agent — 使用指南
Hook 系统 — 27 种事件、4 种类型，高度可定制 — 使用指南
智能过载重试机制，自动处理 API 限流和超时

核心功能

1. 多模型接入

支持 Anthropic 官方模型和第三方兼容 API，通过 custom-providers.json 配置：

{
  "glm": {
    "name": "智谱GLM",
    "type": "anthropic",
    "baseUrl": "https://open.bigmodel.cn/api/anthropic",
    "apiKeyEnv": "YOUR_API_KEY",
    "models": [
      { "id": "glm-5", "name": "GLM-5", "contextLength": 128000 }
    ]
  }
}

# 会话中一键切换
/model glm:glm-5
/model claude-opus-4-6

内置智能过载重试：API 限流时自动指数退避，无需手动干预。

2. Auto Mode

AI 分类器自动审批工具调用，所有模型提供商均可使用：

# 命令行启用
ocean --permission-mode auto

# 永久启用（~/.claude/settings.json）
{ "permissions": { "defaultMode": "auto" } }

3. 双层记忆系统

核心特性：

双层隔离 — 用户偏好全局共享，项目知识跟随项目，不串台
自动提取 — 每轮对话结束，后台 fork agent 自动提取用户偏好、项目结构、技术栈等事实写入 SQLite
分层自动注入 — 每轮对话前智能预取相关记忆，identity/workflow/项目概览始终注入，coding_style按技术栈匹配注入，其他记忆按相关性注入，总token占比<2%
三层递进式去重 + Upsert — 层1实体重叠+编辑距离（英文友好）→ 层2 Jaccard bigram相似度（中文回退）→ 层3 Containment包含率（子集检测），解决多模型切换导致的记忆重复问题
实体自动提取 — 中英文实体识别 + 自动分类（person/technology/topic），基于实体做关联检索和矛盾检测
需求变更自动降权 — 实体 JOIN 矛盾检测 + Jaccard 纯文本矛盾扫描（双通道），同主题内容冲突时自动降权旧事实，新需求自动覆盖旧设计
FTS5 + 中文 bigram — 写入时预分词，毫秒级本地检索，不依赖 API
主题关键词提取 — 写入时从 tags+content 自动提取 3-8 个主题关键词，查询时精准区分"核心主题"和"附带提及"，缓解 general 黑洞效应
五层递进式检索管线 — FTS5 MATCH → LIKE(含中文子串分解) → 字符级交叉匹配 → 分类推断 → trust fallback，弱模型模糊查询语义命中率 75%
查询双语扩展 — 种子术语表 + 事实库自动提取（括号注释/分隔符关联），中文查询自动追加英文术语，英文查询追加中文
信任评分机制 — helpful +0.05 / unhelpful -0.10，低信任（<0.5）事实自动排除在注入之外
五种高级检索 — search / probe / reason / related / contradict，支持语义搜索、实体关联、冲突检测
三层隔离保障 — 路由与分类解耦，category标签由AI标注（允许偏差），存储位置由内容级检测确定性地决定，防止项目知识污染全局库

六种事实分类：

| Category | 存储位置 | 说明 | 注入策略 | |---|---|---|---| | identity | 全局库 | 用户身份、称呼偏好、AI角色设定、个人背景 | 始终注入 | | coding_style | 全局库 | 编码规范、命名约定、设计模式偏好（按语言） | 按项目技术栈匹配注入 | | tool_pref | 全局库 | 工具偏好、CLI配置、模型切换习惯 | prefetch 检索注入 | | workflow | 全局库 | 工作流习惯、提交流程、发布偏好、文档处理习惯 | 始终注入 | | general | 全局库 | 跨项目通用偏好、视觉审美、配色偏好 | prefetch 检索注入（内容含项目标识时自动路由到项目库） | | project | 项目库 | 项目架构决策、实现细节、经验教训、会议记录 | prefetch 检索注入 + 概览始终注入 |

/mem                    # 列出所有记忆
/mem add 项目架构说明     # 压缩当前对话为记忆
/mem add --full 交接文档  # 完整工作交接（需求+决策+变更+待办）
/mem show mem_001       # 加载全文
/mem search 关键词       # 搜索
/mem rm mem_001         # 删除

每个数据库包含 4 张核心表 + 1 个 FTS5 虚拟表 + 1 个统计表：

facts — 事实表 存储所有记忆事实，每条事实独立成行，支持信任评分和检索统计。

| 字段 | 类型 | 说明 | |------|------|------| | fact_id | INTEGER PK | 自增主键 | | content | TEXT UNIQUE | 事实内容（唯一约束防重复） | | category | TEXT | 分类：identity / coding_style / tool_pref / workflow / project / general | | tags | TEXT | 逗号分隔标签（含中文 bigram 预分词结果） | | keywords | TEXT | 主题关键词 JSON（写入时自动提取，如 [{"kw":"邮箱","w":0.9}]） | | trust_score | REAL | 信任评分（0.0~1.0，默认 0.5） | | retrieval_count | INTEGER | 被检索次数 | | helpful_count | INTEGER | 被标记 helpful 次数 | | created_at | TEXT | 创建时间（本地时区） | | updated_at | TEXT | 最后更新时间（本地时区） |

entities — 实体表 自动从事实内容中提取的命名实体，支持别名和类型分类。

| 字段 | 类型 | 说明 | |------|------|------| | entity_id | INTEGER PK | 自增主键 | | name | TEXT | 实体名称 | | entity_type | TEXT | 自动分类：person / technology / topic | | aliases | TEXT | 别名（逗号分隔） | | created_at | TEXT | 创建时间 |

entity_type 分类规则：纯中文 2-4 字 → person（可能是人名），含英文 → technology，中文 5+ 字 → topic

fact_entities — 事实-实体关联表 多对多关联，一条事实可关联多个实体，一个实体可被多条事实引用。CASCADE 删除保证一致性。

| 字段 | 类型 | 说明 | |------|------|------| | fact_id | INTEGER FK | 关联 facts.fact_id | | entity_id | INTEGER FK | 关联 entities.entity_id |

联合主键 (fact_id, entity_id)，INSERT OR IGNORE 防重复关联

facts_fts — FTS5 全文索引（虚拟表） 绑定 facts 表，通过触发器自动同步。支持中文 bigram 分词检索。

| 字段 | 说明 | |------|------| | content | 同步自 facts.content | | tags | 同步自 facts.tags（含 bigram 预分词） |

三个触发器（INSERT/UPDATE/DELETE）保证 FTS5 索引与 facts 表实时同步

category_token_stats — 类别词频统计表 增量维护每个 token 在各 category 中的文档频率，用于计算关键词的类别特异性权重。

| 字段 | 类型 | 说明 | |------|------|------| | category | TEXT | 分类名 | | token | TEXT | 关键词 token | | df | INTEGER | 文档频率（该 token 在该 category 中出现的事实数） |

联合主键 (category, token)，ON CONFLICT 时 df = df + 1

4. 多模型协作

配置多个 AI 模型按角色分工，真实并行调用：

# 查看可用模型
/agent-config models

# 用预设创建 agent
/agent-config preset architect --model glm:glm-5.1
/agent-config preset reviewer --model vk:doubao-seed-2.0-pro

# 发起协作任务
/multi-agent 设计一个高并发缓存系统

内置 5 个角色预设：架构师、审查员、实现者、测试专家、DevOps。

5. 技能系统

从成功的工作流中自动提炼可复用技能：

# 手动提炼当前会话为技能
/skillify 创建文件并运行验证的工作流

自动提炼：任务完成后，系统自动检测可复用流程，提示确认后生成完整技能文件：

.claude/skills/<name>/
├── SKILL.md          # 技能定义（触发条件、步骤、成功标准）
└── scripts/          # 可执行脚本（数据处理、模板生成等）
    └── process.py

6. Channel IM 集成

通过 MCP 协议接入 IM 平台，远程控制 Agent：

# 启动时绑定
ocean --channels server:feishu

# 会话中动态连接（无需重启）
❯ /feishu                    # 快速连接飞书
❯ /channel connect dingtalk  # 连接钉钉
❯ /channel disconnect feishu  # 断开连接

入站：IM 消息 → Agent 接收执行
出站：Agent 结果 → IM 回复
权限中继：工具审批转发到 IM，远程回复 yes/no
动态连接：会话中途 /feishu 一键连接，离开后断开

已验证平台：飞书、钉钉

快速开始

macOS / Linux（一键安装）

curl -fsSL https://raw.githubusercontent.com/ArtLjn/ocean-cc-cli/main/install.sh | bash

脚本会自动检测平台、安装 Bun、克隆仓库、构建并部署到 ~/.local/bin/ocean。

国内用户（Gitee 镜像）

国内访问 GitHub 较慢，脚本内置多源回退，优先从 Gitee 拉取：

curl -fsSL https://gitee.com/morning-ljn/ocean-cc-cli/raw/main/install.sh | bash

Windows（PowerShell）

iwr -useb https://raw.githubusercontent.com/ArtLjn/ocean-cc-cli/main/install.ps1 | iex

国内用户：

iwr -useb https://gitee.com/morning-ljn/ocean-cc-cli/raw/main/install.ps1 | iex

Windows 安装使用 Bun 直接运行，无需 C 编译器。推荐在 WSL 中使用 bash 脚本获得完整体验。

手动安装

# 1. 安装 Bun
curl -fsSL https://bun.sh/install | bash

# 2. 克隆并构建（国内用 Gitee）
git clone https://github.com/ArtLjn/ocean-cc-cli.git && cd ocean-cc-cli
# git clone https://gitee.com/morning-ljn/ocean-cc-cli.git && cd ocean-cc-cli
bun install && ./build.sh

启动

ocean                          # 交互 TUI 模式
ocean --permission-mode auto   # Auto Mode
ocean -p "your prompt"         # 无头模式

IDE 集成

Ocean CLI 可替换 Claude Code 官方 CLI，在 IDE 插件中直接使用。安装 Ocean 后，按以下步骤配置你的 IDE：

VS Code / Cursor / Trae CN

安装 Claude Code 扩展后，在 IDE 的 settings.json 中添加：

{
  "claudeCode.claudeProcessWrapper": "/Users/<你的用户名>/.local/bin/ocean"
}

配置文件路径：
VS Code：~/.vscode/settings.json（全局）或项目 .vscode/settings.json
Cursor：~/.cursor/settings.json（全局）或项目 .cursor/settings.json
Trae CN：~/.trae-cn/settings.json（全局）或项目 .trae/settings.json

JetBrains（IntelliJ / PyCharm / WebStorm 等）

打开 Settings → Tools → Claude Code [Beta]
将 Claude command 修改为 ocean（确保 ~/.local/bin 在 PATH 中）

Qoder

与 VS Code 方式相同，在 Qoder 的 settings.json 中配置 claudeCode.claudeProcessWrapper。

验证配置

启动 IDE 中的 Claude Code 面板，输入 /model，如果看到 Ocean CLI 的模型列表（含自定义 Provider），说明配置成功。

技术栈

| 类别 | 技术 | |------|------| | 运行时 | Bun | | 语言 | TypeScript | | 终端 UI | React + Ink | | CLI 解析 | Commander.js | | API | Anthropic SDK | | 协议 | MCP, LSP | | 记忆存储 | SQLite (bun:sqlite) + FTS5（全局+项目双层） |

项目结构

├── src/                    # 主源码
│   ├── agents/             # Agent 实现
│   ├── skills/             # 技能系统
│   │   └── bundled/        # 内置技能（skillify、auto-skillify 等）
│   ├── memory/             # 双层记忆系统（HolographicProvider + 全局/项目 SQLite）
│   ├── providers/          # 模型提供商接入
│   ├── utils/hooks/        # Hook 系统核心
│   └── cli/                # 命令行界面
├── docs/                   # 文档 & 教程
├── static/                 # 静态资源
└── build.sh                # 构建脚本

教程目录

| 教程 | 说明 | |------|------| | 快速开始 | 安装、构建、首次使用 | | 自定义模型接入 | 智谱GLM/豆包/DeepSeek 配置 | | 记忆系统 | 手动记忆 + 自动提取 + AutoDream | | 多模型协作 | 角色分工 + 并行调用 | | 技能系统 | 技能创建、提炼、脚本生成 | | Channel 集成 | 飞书/钉钉远程控制 | | Hook 系统 | 事件类型、配置格式、实用示例 |

架构参考

| 文档 | 说明 | |------|------| | KAIROS 持久助手 | 后台持续运行、自动做梦、Cron 调度 | | Coordinator 多 Agent | 指挥官+执行者编排模式 | | Bridge 远程控制 | 网页/手机遥控终端 | | 门控架构 | 三层门控：编译开关 + USER_TYPE + GrowthBook | | Hermes 自学习方案 | 技能提炼 / 记忆增强 / Observer 用户建模路线图 |

更新日志

v1.5.3

主题关键词提取：写入时从 tags + 英文单词 + 引号内容自动提取 5-8 个主题关键词（位置权重 × 频率权重 × 类别特异性 × Tags 加权），查询时精准区分"核心主题"和"附带提及"，缓解 general 黑洞效应
五层递进式检索管线：FTS5 MATCH → LIKE（含中文子串分解）→ 字符级交叉匹配 → 分类推断 → trust fallback，弱模型模糊查询语义命中率 75%
查询双语扩展：种子术语表 + 事实库自动提取（括号注释/分隔符关联），中文查询自动追加英文术语，英文查询追加中文
Category 信号乘法强化：IDF 式加权 + 信号集中度归一化，查询信号集中时该 category 事实获得 ~1.5x 乘法提升
新增 category_token_stats 表：增量维护 token 类别文档频率，支持关键词类别特异性计算
backfillKeywords() 启动时补算已有事实的关键词

v1.5.2

三层递进式去重管线：层1实体+编辑距离 → 层2 Jaccard bigram（≥0.45） → 层3 Containment包含率（≥0.8），彻底解决多模型切换导致的中文事实重复问题
去掉零实体短路：中文内容实体提取为空时不再跳过去重，回退到 bigram 分词相似度检测
启动矛盾审计增强：除实体 JOIN 外新增 Jaccard 纯文本矛盾扫描（≤200条时执行），捕捉中文事实的隐性冲突
删除废弃的 private findSimilar() 方法（逻辑已整合进 findSimilarFact 层2）

v1.5.1

时间戳从 UTC 改为本地时区，修复 created_at/updated_at 显示错乱（datetime('now') → datetime('now', 'localtime')）
修复 retrieval_count 始终为 0：检索追踪从死代码 MemoryStore.searchFacts() 迁移到实际搜索路径 FactRetriever.search()，top3 结果额外 +0.01 信任刷新
system prompt 添加 fact_feedback 使用指引，引导模型主动正向强化有效事实
内容检测路由从只覆盖 general 扩展到 general/workflow/coding_style，防止项目知识混入全局库
内容检测路由到项目库时 category 强制覆盖为 project（不再保留 AI 错标的 general/workflow）
isProjectContent 新增技术调试模式匹配（测试/截图/调试 + 路由/dispatch/搜索/agent 组件名）

v1.5.0

全局记忆分类细化：从 4 种 category 扩展到 6 种（identity / coding_style / tool_pref / workflow / project / general）
分层注入策略：identity/workflow 始终注入，coding_style 按项目技术栈匹配注入，其他走 prefetch
语义去重大幅优化：实体优先（≥50% 重叠）+ 归一化编辑距离辅助，彻底解决阈值两难问题
路由与分类解耦：category 标签由 AI 标注（允许偏差），存储位置由内容级检测确定性决定
去重搜索跨 category 回退：同 category 搜不到时回退搜索全部分类，合并时保留旧分类标签
需求变更自动检测：同实体下内容冲突时自动降权旧事实，新需求自动覆盖旧设计
Skill 记忆增强：skillify 生成技能时自动注入用户偏好和项目知识，智能推荐项目级/全局级存储位置
实体提取修复：去掉 bigram 碎片入库，新增中文声明模式提取（"我叫XXX"、"名字是XXX"）
孤立实体自动清理：update/remove 事实时自动清理无关联实体
system prompt 引导 AI 主动操作 fact_store（"记住"时立即写入，update 时保留旧信息）
旧数据自动迁移（user_pref/tool → 新 category）

v1.4.1

修复自动记忆提取从未触发（绕过 tengu_passport_quail feature flag）
放宽 extractMemories prompt：支持自动提取项目结构、技术栈、目录布局、构建配置
fact_store 工具 description 改为支持读写，引导 AI 主动存储项目知识

v1.4.0

双层 SQLite 记忆架构：全局库（user_pref/tool/general）+ 项目库（project）
去掉 memdir markdown 文件写入，统一为纯 SQLite 存储
实体优先去重 + Upsert 机制，共享实体 + 编辑距离判断相似事实自动合并更新
中文实体提取：bigram 关键词 + 引号/书名号匹配
FTS5 中文搜索增强：写入时 bigram 预分词 + 查询时 bigram 拆分
entity_type 自动分类（person/technology/topic）
extractMemories forked agent 只写 fact_store，不再写 markdown 文件
AutoDream 改为 SQLite consolidation（矛盾检测/去重/低信任清理）
prefetch 简化为纯 SQLite 同步检索（<10ms），去掉 memdir 异步路径

v1.3.0

结构化事实记忆系统（fact_store）：SQLite + FTS5 毫秒级本地检索
MemoryProvider 插件接口 + MemoryManager 编排器（借鉴 Hermes 架构）
五种高级检索：search / probe / related / reason / contradict
<memory-context> 围栏注入 + 安全扫描（注入检测/PII/不可见Unicode）
后台审查 Agent 自动提取事实（extractMemories 集成 fact_store）
信任评分 + 反馈机制（fact_feedback 工具）

v1.2.0

技能自动提炼（auto-skillify）：Stop hook 检测 + scripts 目录支持
移除 skillify 门控，/skillify 对所有用户可用

v1.1.0

Channel IM 集成（飞书/钉钉）
自动记忆提取 + AutoDream 整合
修复 Bun 1.3.12 @ 文件匹配和图片粘贴

v1.0.0

多模型提供商支持（智谱GLM/豆包/DeepSeek）
Auto Mode 解除全部门控
/mem 轻量记忆系统
/multi-agent 多模型协作
海洋深蓝 UI 主题

许可证

Ocean CLI — 让 AI 开发更高效，更顺畅

Published

Vulnerabilities

Links

Maintainers

Keywords

Readme

功能

核心功能

1. 多模型接入

2. Auto Mode

3. 双层记忆系统

4. 多模型协作

5. 技能系统

6. Channel IM 集成

快速开始

macOS / Linux（一键安装）

国内用户（Gitee 镜像）

Windows（PowerShell）

手动安装

启动

IDE 集成

VS Code / Cursor / Trae CN

JetBrains（IntelliJ / PyCharm / WebStorm 等）

Qoder

验证配置

技术栈

项目结构

教程目录

架构参考

更新日志

v1.5.3

v1.5.2

v1.5.1

v1.5.0

v1.4.1

v1.4.0

v1.3.0

v1.2.0

v1.1.0

v1.0.0

许可证